يقدم المؤلفون Fathom-Vaidya، وهو نموذج بـ 30B معلمة يستخدم بيانات اصطناعية وتعلّم التعزيز القائم على المعايير لتعزيز الاستدلال التشخيصي والسريري في الرعاية الصحية. يطبق إطار التدريب أولاً RL الموجه بالقواعد على الأسئلة المستمدة من MedBullets للتشخيص، ثم يستخدم 5.3k سيناريوهات اصطناعية متعددة الأدوار بمعايير متعددة الأبعاد لمهام سريرية تفاعلية.

  • يحقق دقة بنسبة 50.1% على HealthBench-Hard، متفوقًا على الأسس الخاصة مثل GPT-5 (thinking).
  • يوفر تحسينًا يزيد عن 10% على معيار MedXpertQA.
  • يعالج نقاط الضعف في السيناريوهات التشخيصية المعقدة والحوارات السياقية التي حددتها معايير حديثة.

تُظهر النتائج أن مجموعات البيانات الاصطناعية المستهدفة والتدريب القائم على المعايير يمكن أن يحسّنا بشكل منهجي كلًا من الاستدلال التشخيصي والسريري التفاعلي في نماذج LLM الطبية.